3.2. Измерение ландшафтного биоразнообразия на основе использования топографических карт совместно со сканерной съемкой

То, что рельеф в существенной степени определяет разнообразие ландшафта, вполне очевидно вытекает из результатов анализа сканерной съемки для Московской области. Однако вполне понятно, что это отображение не абсолютное. Топографическая карта дает возможность рассматривать ландшафтное разнообразие с учетом рельефа территории. В принципе, можно оценить и разнообразие самого рельефа, однако эта задача относится скорее к области оценки георазнообразия.

Для того чтобы использовать информацию, содержащуюся в топографической карте, ее необходимо оцифровать с кондиционной для масштаба точностью и перевести в растровый формат. Для этого

Рис.4. Трехканальное изображение московской области : а) 1999г., начало октября, б)1999г., январь.

Рис.22 Первый уровень классификации изображения по двум метрикам

Р ис.23. Второй уровень классификации изображения по двум метрикам

РИС.29

Рис.29. Типы “ландшавтов” Московской области по классификации осенней и зимней сканерной съемки Landsat 7

Леса :1-5 - мелколиственные, 5 –10 – смешанные, 10 – 15 – хвойные; Населенные пункты: 16 – 23 – окраины городов и деревень, 24 –31 – малые города и окраины крупных городов, 32 – 44; Сельско-хозяйственные земли: 45 – 63 – брошенные. 64 – 75 переходные , 76 – 99 – пашни сельско-хозяйственные земли и луга на песках: 100 – 111 – пашни и луга,127 – 148 – мелколесье.

Водоемы: 149 – 158 мелководья, 176 – 180 – основная часть акватории

Р ис.40. Информативность на уровне элементарной территориальной единицы по 10 уровню классификации

Р ис. 30. Лесные типы элементарных территориальных единиц с характеристиками, выведенными на основе соотношения яркостей.

Лиственные леса: 1 – 2 – высокосомкнутые с участием хвойных, 3 – среднесомкнутые, 4 – средневозростные и молодые;

Сосново-мелколиственные: 5 – 17 (доля участия сосны увеличивается от 5 к 17)

Сосновые: 18 – 20 – высокосомкнутые, 21 – 23 с участием листенных.

24 – 25 с участием ели,

Еловые: 26 – 31 – мелколиственные-сосново-еловые, 32 – 37 – мелколиственные-еловые,34 – 48 высокосомкнутые,

Опушки и прогалины:: 49 – 63; Безлесные - 0

РИС.42.

Красный цвет – Границы регионов на пятом уровне дихотомической классификации.

З еленый цвет - Границы регионов на 7 уровне классификации.

Рис.42. Типы мозаичности. Выделенные на основе классификации по спектральным характеристикам скользящим квадратом со стороны 35 км

Рис.43.Калужская область

Р ис.46. Типы элементарных территориальных единиц, выделенные при одновременной, классификации по трем каналам снимка, абсолютной высоте, крутизне и форме поверхности (градиент и лапласиан)

Лственные леса на дренированных водораздельных поверхностях и склонах речных долин:

1 – высоко сомкнутые, обычно широколиственные с участием ели,

2 – средневозростные широколиственные. 3 – молодые лиственные.

Флювиогляциальные ложбины стока с смешанными, сосновыми лесами

4 – сомкнутые сосновые леса, 5 – лиственно-сосновые леса, 6 – мелколиственные леса

7 – 9 – кустарники и луга в плоских заболоченных долинах рек и флювиогляциальных равнинах, 10 – 12 сельско-хозяйственные земли на дренируемых водораздельных поверхностях и склонах. Луга и кустарники : 13 -–на выпуклых крутых склонах, 14 – вогнутых нижних частях склонв. 15 – поймы рек.

Рис.47.Местообитания по схеме EUNIS и ландшафтный покров по классификации CORINE

Рис.49.Индекс разнообразия Н, расчитанный для двух масштабов.

Окно: 20км x 20км

Окно: 40 км x 40 км

необходимо перевести векторный формат в форму, доступную для построения растровой поверхности триангуляционным методом, или методом минимальной кривой. Наиболее удобно преобразование векторного формата в растровый осуществлять в пакете программ Surfer 7. Для экспорта в формат этой программы данные должны быть представлены в формате ASCII c расширением *.dat. Далее осуществляется расчет растрового формата с разрешением, соответствующим половине среднего расстояния между горизонталями. Следует отметить, что только при таком и меньшем разрешении можно получить непрерывную поверхность в растровом изображении без фальшивых уступов, наследующих положение горизонтали.

В результате получаем изображение, напоминающее фотографию рельефа.

На примере Калужской области коротко рассмотрим результаты описанной операции и совместную классификацию изображения по рельефу и космическому трехканальному снимку МКС Ресурс.

На рис. 41 приведены сканерное изображение и рельеф территории в растровой форме с разрешением 600 м в пикселе. Это наименьшее разрешение, которое можно получить при переводе в растровой формат горизонталей оцифрованной карты масштаба 1: 200 000.

На рис. 42 приведен график преобразованных результатов спектрального анализа рельефа с выделением основных уровней иерархической организации.

В соответствии с ним градиент и лапласиан определяются для окна в 5 пикселей (рис. 43). Расчет значений этих параметров рельефа можно провести, например, в пакете программ IDRISI.

Значения трех каналов яркости и трех характеристик рельефа объединяются в один файл. Каждая переменная стандартизуется по среднеквадратическому отклонению, в результате чего все переменные становятся соизмеримыми. Далее осуществляется классификация по уже описанной схеме (рис. 44). По полученной классификации, объединяющей свойства рельефа и отражения, можно осуществлять все последующие оценки разнообразия ландшафта. Следует отметить, что легенда к растровой карте типов элементарных единиц приведена в сокращенном виде. В действительности же на восьмом уровне классификации выделено 180 типов элементарных территориальных единиц. Сравнивая результат классификации, исходное трехканальное изображение и рельеф, легко увидеть, что их свойства достаточно гармонично сочетаются в обобщенной классификации.

Точно тот же подход можно применить при оценке разнообразия на основе серии специальных карт. Карты переводятся из векторного в растровый формат с разрешением растра, соответствующим масштабу карты. Вполне понятно, что карты должны быть в единой географической проекции. Далее на основе географических координат осуществляется совмещение карт средствами геоинформационной системы, например MAPINFO. Каждому типу изображения каждой специальной карты присваивается цифровой индекс, соответствующей номеру типа в исходной легенде. Затем информация, содержащаяся в растровом формате, переводится в формат *.dbf. Все частные файлы объединяются в общий, и на его основе осуществляется классификация, интегрирующая информацию, содержащуюся в частных специальных картах. Дистанцией при классификации может быть дискриптивная метрика типа Жаккара. Если цифровые значения кодов карты имеют естественный порядок (например, 1 – торфянисто-подзолистые почвы, …… k – серые лесные почвы) или ранг, то можно использовать стандартную метрику Евклида. В результате классификации получаем карту, обобщающую все компоненты в общую систему типов элементарных территориальных единиц. По такой новой карте можно осуществлять все рассмотренные выше оценки разнообразия.

На пути реализации этого простого способа использования для оценок разнообразия картографической информации существуют большие трудности, определяемые, в первую очередь, исходным качеством специальных карт. Обычно они строятся на основе искаженной географической проекции или вообще, по сути, являются картосхемами. Гидросеть на них сильно упрощена, так что даже ручная подгонка их к близкой географической проекции крайне затруднительна. Карты плохо поддаются автоматической оцифровке, так как в действительности однотипные выделы окрашены не одним цветом, а сочетанием множества цветов. В результате такие карты приходится оцифровывать вручную. В связи с этим интеграция специальных карт в единую систему для оценки разнообразия весьма не простая задача, требующая большой предварительной работы.